API- dokumentation
Integrer Speech to Speech AI i dine applikationer med en simpel REST API.
Quickstart
Kom i gang med Speech to Speech AI API på under 5 minutter.
Basis- URL
https://api.speechtospeechai.com/v1
1. Start et job
Hvert værktøj er et POST med din API-nøgle. Svaret er et job-id, ikke lyden.
curl -X POST https://api.speechtospeechai.com/v1/tts/ \
-H "Authorization: Bearer YOUR_API_KEY" \
-F "text=Hello! Welcome to Speech to Speech AI." \
-F "model=kokoro" \
-F "voice_id=af_heart" \
-F "format=mp3"
{"uuid": "3f2c...", "job_id": "...", "status": "queued"}
2. Poll for resultatet
Spørg efter jobbet hvert par sekunder, indtil status er afsluttet, og download derefter resultat_url.
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
-H "Authorization: Bearer YOUR_API_KEY"
{"status": "completed", "result_url": "https://.../output.mp3"}
Godkendelse
Alle API-anmodninger kræver autentificering via en API-tasten i Authorization header.
Authorization: Bearer YOUR_API_KEY
Stemmekløvning
/v1/voice-clone/
Tal en tekst i stemmen af en kort reference optagelse.
Anmodningsorgan (multipart-/formular-data)
| Parameter | Type | Krævet | Varebeskrivelse |
|---|---|---|---|
reference_audio |
file | Ja | Optagelse af stemmen til klon (10-30 sekunder anbefales, op til 60) |
text |
string | Ja | Tekst der skal tales i den stemme |
model |
string | Nej | chatterbox, openvoice, skildpadder eller gpt-sovser |
language |
string | Nej | Sprogkode (standard: da) |
Respons
Et job- id (uuid). Poll GET /v1/tale/resultater/?uuid= indtil status er afsluttet og downloade resultat_url.
Tekst til tale
/v1/tts/
Konverter tekst til talelyd.
Anmodningsorgan (multipart-/formular-data)
| Parameter | Type | Krævet | Varebeskrivelse |
|---|---|---|---|
text |
string | Ja | Tekst til konvertering (maks. 5000 tegn) |
model |
string | Nej | kokoro (standard), piper, vits eller bark |
voice_id |
string | Nej | Stemme-id fra GET /v1/tale/stemmer/?model= |
language |
string | Nej | Sprogkode (standard: da) |
speed |
float | Nej | Speed multiplier (0.5-2.0, default 1.0) |
format |
string | Nej | wav (standard), mp3, ogg eller flac. SSML-tags fjernes før syntese. |
Respons
Et job- id (uuid). Poll GET /v1/tale/resultater/?uuid= indtil status er afsluttet og downloade resultat_url.
Tale til tekst
/v1/transcribe/
Transskribér lyd til tekst med tidsstempler.
Anmodningsorgan (multipart-/formular-data)
| Parameter | Type | Krævet | Varebeskrivelse |
|---|---|---|---|
file |
file | Ja | Lyd/video-fil til transskribering |
model |
string | Nej | storv3 (standard) eller turbo |
language |
string | Nej | Sprogkode, eller auto til at opdage det (standard) |
enable_word_timestamps |
bool | Nej | Tilføj en start- og sluttid til hvert ord |
callback_url |
string | Nej | URL, der modtager resultatet af POST, når jobbet afsluttes |
Respons
Et job- id (uuid). Poll GET /v1/transcribe/results/?uuid= indtil status er afsluttet; svaret bærer derefter tekst, sprog og segmenter.
Tilgængelige modeller
Tekst- til- tale modeller
| Model for ID | Varebeskrivelse | Bedst for |
|---|---|---|
kokoro |
Hurtig flersprogede TTS | Generel brug, lav latenstid |
piper |
Letvægts flersprogede TTS (kun kommercielt godkendte stemmer) | Hurtige renderinger på 11 sprog |
vits |
LJSpeech plus 108 VCTK Engelske højttalere | Engelske accenter |
bark |
Generativ TTS, 130 forudindstillinger på 13 sprog | Varieret, udtryksfuld levering (langsom) |
openvoice |
Stemmekloning og valgfri stemmekonvertering | Alternativ til Chatterbox |
chatterbox |
Nul-shot stemme kloning på 23 sprog; standard stemme konvertering model | Kloning fra en kort prøve |
Tale- til- tekst- modeller
| Model for ID | Varebeskrivelse | Bedst for |
|---|---|---|
whisper-large-v3 |
OpenAI Whisper Large v3 | Højeste nøjagtighed, flersproget |
whisper-turbo |
Optimeret hvisken for hastighed | Hurtig transskription |
Fejlkoder
| Kode | Status | Varebeskrivelse |
|---|---|---|
invalid_api_key |
401 | Ugyldig eller manglende API- nøgle |
insufficient_credits |
402 | Ikke nok kreditter til denne operation |
rate_limit_exceeded |
429 | For mange anmodninger |
invalid_request |
400 | Misdannet anmodningsorgan |
model_not_found |
404 | Den anmodede model findes ikke |
voice_not_found |
404 | Den ønskede stemme findes ikke |
file_too_large |
413 | Uploadet fil overskrider størrelsesgrænsen |
server_error |
500 | Intern serverfejl |